Nous pensons que l’environnement, sa structure, ses ressources et ses fonctions affectent l’organisation spatiale des usages en montagne.
La théorie de la niche de Hutchinson, un hypervolume de n dimensions qui correspondent aux exigences d’une espèce pour survivre (Hutchinson, 1957), a été de nombreuses fois adaptée en définissant différemment les axes ou les entités étudiées (Blonder 2017). Nous appliquons ce concept pour caractériser le milieu en dimensions décrivant les différents types de ressources fournies par chaque unité spatiale, qui correspondent aux processus qui ont lieu et à leurs résultantes. Notre hypothèse est que parmi ces ressources, certaines sont des facteurs explicatifs à la présence des usages. En nous inspirant de la biogéographie, qui décrit le rôle des facteurs biotiques, abiotiques et de la dispersion dans la distribution spatiale des espèces, tout en veillant à considérer l’anthropisation de l’environnement, ainsi que son aspect dynamique, notre cadre d’analyse décompose les ressources spatiales en six dimensions majeures : biomasse, structure de la végétation, conditions abiotiques, contexte spatial, dynamique et infrastructures humaines. Chaque dimension est décomposée en caractéristiques, elles-mêmes approchées par des variables. Au total, c’est plus d’une quarantaine de variables qui sont calculées pour décrire cet espace à 6 dimensions.
L’objectif est ensuite de repérer où se situent les différents usages au sein de cet espace fonctionnel multidimensionnel.
On utilise des AFDM (Analyse Factorielle des Données Mixtes, ou FAMD Factor Analysis for Mixed Data en anglais) pour traiter notre jeu de données car il contient des variables quantitatives et qualitatives. L’AFDM procède de la même manière qu’une ACP (Analyse en Composantes Principales) sur les variables quantitatives, et performe une ACM (Analyses des Correspondances Multiples) sur les variables qualitatives.
Cette dimension décrit les conditions abiotiques, donc les caractéristiques associées au pixel qui ne sont pas dépendantes des êtres vivants. Elle est déclinée en 3 catégories : le climat, la topographie et l’hydrologie.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM (ou 2 premiers axes si la dimension analysée est composée de moins de 3 variables).
Pourcentage de contribution des variables de la dimension analysée pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Tableau récapitulatif des variables utilisée dans la dimension :
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| ACP1_clim | quantitative | CA | Conditions climatiques | 1er axe d’une ACP sur les 10 variables climatiques (t10, t90, rain0, htNeigmean, nbJssdegel, nbJgel, nbJneb10, nbJneb90, wind10,wind90) | oui | calculé |
| ACP2_clim | quantitative | CA | Conditions climatiques | 2e axe d’une ACP sur les 10 variables climatiques (t10, t90, rain0, htNeigmean, nbJssdegel, nbJgel, nbJneb10, nbJneb90, wind10,wind90) | oui | calculé |
| t10 | quantitative | CA | Conditions climatiques | Moyenne mensuelle des températures journalières les plus froides (10%, en °C) | oui | calculé |
| t90 | quantitative | CA | Conditions climatiques | Moyenne mensuelle des températures journalières les plus chaudes (10%, en °C) | oui | calculé |
| rain0 | quantitative | CA | Conditions climatiques | Nombre de jours sans pluie dans le mois | oui | calculé |
| htNeigmean | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la hauteur de neige (en m) | oui | calculé |
| nbJssdegel | quantitative | CA | Conditions climatiques | Nombre de jours sans dégel (température maximale journalière inférieure ou égale à 0°C ) dans le mois | oui | calculé |
| nbJgel | quantitative | CA | Conditions climatiques | Nombre de jours avec gel (température minimale journalière supérieure -5°C) dans le mois | oui | calculé |
| nbJneb10 | quantitative | CA | Conditions climatiques | Nombre de jours avec une nébulosité faible | oui | calculé |
| nbJneb90 | quantitative | CA | Conditions climatiques | Nombre de jours avec une forte nébulosité (10%) | oui | calculé |
| wind10 | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la vitesse journalière des vent les plus forts (10%, en m.s-1) | oui | calculé |
| wind90 | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la vitesse journalière des vent les plus faibles (10%, en m.s-1) | oui | calculé |
| presence_eau | qualitative | CA | Hydrologie | Présence d’eau libre | non | calculé |
| TWI_25m | quantitative | CA | Hydrologie | Topographic Wetness Index, quantifie le contrôle topographique sur les processus hydrologiques | non | calculé |
| pente_25m | quantitative | CA | Topographie | Pente (en °) | non | calculé |
| northing_25m | quantitative | CA | Topographie | Exposition, transformée par le cosinus | non | calculé |
| easting_25m | quantitative | CA | Topographie | Exposition, transformée par le sinus | non | calculé |
| LS_factor | quantitative | CA | Topographie | Facteur d’érosion LS, quantifie l’effet de la topographie sur l’érosion du sol | non | https://esdac.jrc.ec.europa.eu/content/ls-factor-slope-length-and-steepness-factor-eu |
| landform_25m | qualitative | CA | Topographie | Formes du relief (10 classes) | non | calculé |
| SWDmean | quantitative | CA | Topographie | Moyenne mensuelle du rayonnement moyen journalier (en W.m-²) | non | calculé |
| shannon_landform | quantitative | CA | Topographie | Indice de diversité de Shannon sur les formes de reliefs présents dans un pixel de 25m de côté | non | calculé |
| simpson_landform | quantitative | CA | Topographie | Indice de diversité de Simpson sur les formes de reliefs présents dans un pixel de 25m de côté | non | calculé |
| nb_distinct_landform | quantitative | CA | Topographie | Nombre de formes du relief présents dans un pixel de 25m de côté | non | calculé |
Cette dimension décrit les conditions abiotiques, donc les caractéristiques associées au pixel qui ne sont pas dépendantes des êtres vivants. Elle est déclinée en 3 catégories : le climat, la topographie et l’hydrologie.
Les variables climatiques, très corrélées entre elles, ont été réduites en 2 variables via une ACP.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM (ou 2 premiers axes si la dimension analysée est composée de moins de 3 variables).
Pourcentage de contribution des variables de la dimension analysée pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Tableau récapitulatif des variables utilisée dans la dimension :
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| ACP1_clim | quantitative | CA | Conditions climatiques | 1er axe d’une ACP sur les 10 variables climatiques (t10, t90, rain0, htNeigmean, nbJssdegel, nbJgel, nbJneb10, nbJneb90, wind10,wind90) | oui | calculé |
| ACP2_clim | quantitative | CA | Conditions climatiques | 2e axe d’une ACP sur les 10 variables climatiques (t10, t90, rain0, htNeigmean, nbJssdegel, nbJgel, nbJneb10, nbJneb90, wind10,wind90) | oui | calculé |
| t10 | quantitative | CA | Conditions climatiques | Moyenne mensuelle des températures journalières les plus froides (10%, en °C) | oui | calculé |
| t90 | quantitative | CA | Conditions climatiques | Moyenne mensuelle des températures journalières les plus chaudes (10%, en °C) | oui | calculé |
| rain0 | quantitative | CA | Conditions climatiques | Nombre de jours sans pluie dans le mois | oui | calculé |
| htNeigmean | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la hauteur de neige (en m) | oui | calculé |
| nbJssdegel | quantitative | CA | Conditions climatiques | Nombre de jours sans dégel (température maximale journalière inférieure ou égale à 0°C ) dans le mois | oui | calculé |
| nbJgel | quantitative | CA | Conditions climatiques | Nombre de jours avec gel (température minimale journalière supérieure -5°C) dans le mois | oui | calculé |
| nbJneb10 | quantitative | CA | Conditions climatiques | Nombre de jours avec une nébulosité faible | oui | calculé |
| nbJneb90 | quantitative | CA | Conditions climatiques | Nombre de jours avec une forte nébulosité (10%) | oui | calculé |
| wind10 | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la vitesse journalière des vent les plus forts (10%, en m.s-1) | oui | calculé |
| wind90 | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la vitesse journalière des vent les plus faibles (10%, en m.s-1) | oui | calculé |
| presence_eau | qualitative | CA | Hydrologie | Présence d’eau libre | non | calculé |
| TWI_25m | quantitative | CA | Hydrologie | Topographic Wetness Index, quantifie le contrôle topographique sur les processus hydrologiques | non | calculé |
| pente_25m | quantitative | CA | Topographie | Pente (en °) | non | calculé |
| northing_25m | quantitative | CA | Topographie | Exposition, transformée par le cosinus | non | calculé |
| easting_25m | quantitative | CA | Topographie | Exposition, transformée par le sinus | non | calculé |
| LS_factor | quantitative | CA | Topographie | Facteur d’érosion LS, quantifie l’effet de la topographie sur l’érosion du sol | non | https://esdac.jrc.ec.europa.eu/content/ls-factor-slope-length-and-steepness-factor-eu |
| landform_25m | qualitative | CA | Topographie | Formes du relief (10 classes) | non | calculé |
| SWDmean | quantitative | CA | Topographie | Moyenne mensuelle du rayonnement moyen journalier (en W.m-²) | non | calculé |
| shannon_landform | quantitative | CA | Topographie | Indice de diversité de Shannon sur les formes de reliefs présents dans un pixel de 25m de côté | non | calculé |
| simpson_landform | quantitative | CA | Topographie | Indice de diversité de Simpson sur les formes de reliefs présents dans un pixel de 25m de côté | non | calculé |
| nb_distinct_landform | quantitative | CA | Topographie | Nombre de formes du relief présents dans un pixel de 25m de côté | non | calculé |
La biomasse du pixel correspond à la production de la biocénose qui est directement utilisée lors d’un usage e.g. pour une consommation alimentaire (fourrage, fruits, insectes, poissons) ou pour une utilisation commerciale (bois, charbon, pétrole) ou récréative (poissons). L’usage des différentes biomasses entraîne un prélèvement et/ou une destruction de celle-ci. Cette dimension est déclinée en 3 catégories : quantité, qualité et productivité.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM (ou 2 premiers axes si la dimension analysée est composée de moins de 3 variables).
Pourcentage de contribution des variables de la dimension analysée pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Tableau récapitulatif des variables utilisée dans la dimension :
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| P_ETP | quantitative | B | Productivité | Précipitation - EvapoTranspiration (en mm) | oui | calculé |
| abondance_feuillage | qualitative | B | Qualité | Abondance du feuillage (4 classes) | non | calculé |
| GDD | quantitative | B | Quantité | Degré-jour de croissance (en °C, avec T0 = 0°C) | oui | calculé |
| NDVI | quantitative | B | Quantité | Normalized Difference Vegetation Index | oui | calculé |
La physionomie, définie comme l’aspect général d’une végétation, est le deuxième type de ressource directement lié à la biocénose (végétation). On s’intéresse spécifiquement à la structure de la végétation.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM (ou 2 premiers axes si la dimension analysée est composée de moins de 3 variables).
Pourcentage de contribution des variables de la dimension analysée pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Tableau récapitulatif des variables utilisée dans la dimension :
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| ht_physio_max | quantitative | PV | Structure | Hauteur maximale de la végétation (en cm) | non | calculé |
| nb_strates | quantitative | PV | Structure | Nombre de strates de végétation (5 classes) | non | calculé |
| penetrabilite | quantitative | PV | Structure | Pénétrabilité de la strate basse (3 classes) | non | calculé |
Le contexte spatial se rapporte aux éléments du voisinage proche et lointain du pixel étudié. Il est décliné sous 3 caractéristiques : l’accessibilité, la similarité et l’information visuelle.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM (ou 2 premiers axes si la dimension analysée est composée de moins de 3 variables).
Pourcentage de contribution des variables de la dimension analysée pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Tableau récapitulatif des variables utilisée dans la dimension :
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| temps_acces | quantitative | CS | Accessibilité | Temps d’accès au pixel, en marchant, en prenant en considération la pente et l’altitude (en h) | oui | calculé |
| distance_infrastructure | quantitative | CS | Empreinte anthropique | Distance euclidienne aux infrastructures humaines (en m) | non | calculé |
| distance_eau | quantitative | CS | Information visuelle | Distance euclidienne à de l’eau libre (en m) | non | calculé |
| visibilite_mediane | quantitative | CS | Information visuelle | Distance médiane visible depuis le pixel (en m) | non | calculé |
| distance_foret_IGN_cout_pente | quantitative | CS | Proximité couvert forestier | Distance à la forêt, en prenant en considération la pente (en m) | non | calculé |
| habitat_similaire_100m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 100m (en %) | non | calculé |
| habitat_similaire_250m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 250m (en %) | non | calculé |
| habitat_similaire_500m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 500m (en %) | non | calculé |
| habitat_similaire_1000m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 1km (en %) | non | calculé |
| taille_patch_habitat_m2 | quantitative | CS | Similarité d’attributs | Surface du patch d’habitat (en m²) | non | calculé |
Cette dimension caractérise la trajectoire d’évolution sur laquelle le pixel se positionne. Cette évolution est décrite de façon climatique et par le régime de perturbation.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM (ou 2 premiers axes si la dimension analysée est composée de moins de 3 variables).
Pourcentage de contribution des variables de la dimension analysée pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Tableau récapitulatif des variables utilisée dans la dimension :
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| diffT | quantitative | D | Indice de changement climatique | Différence de moyenne mensuelle, sur 30 ans, de température journalière moyenne, entre 1959-1988 et 1989-2018 (en °C) | oui | calculé |
| presence_avalanche | qualitative | D | Régime de perturbation | Présence d’un couloir d’avalanche | non | calculé |
Les infrastructures humaines physiques et virtuelles sont considérées comme une ressource fournit par le pixel. Celles-ci sont déclinées en deux catégories : l’artificialisation du sol et la protection réglementaire.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM (ou 2 premiers axes si la dimension analysée est composée de moins de 3 variables).
Pourcentage de contribution des variables de la dimension analysée pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables de la dimension analysée pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Tableau récapitulatif des variables utilisée dans la dimension :
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| pourcentage_infrastructures | quantitative | I | Artificialisation du sol | Surface de sol, d’un pixel de 25m de côté, contenant une infrastructure physique (en %) | non | calculé |
| degre_artif | qualitative | I | Artificialisation du sol | Degré d’aménagement du sol (en 4 classes) | non | calculé |
| degre_interdiction | qualitative | I | Protection réglementaire | Présence d’interdiction d’activités (en 3 classes) | non | calculé |
Avec ACP sur variables climatiques.
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les 3 premiers axes de l’AFDM.
Pourcentage de contribution des variables pour l’axe 1 de l’AFDM.
Pourcentage de contribution des variables pour l’axe 2 de l’AFDM.
Pourcentage de contribution des variables pour l’axe 3 de l’AFDM.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
| Nom | Nature | Dimension | Caractéristique | Description | Variation au cours des mois | Source |
|---|---|---|---|---|---|---|
| P_ETP | quantitative | B | Productivité | Précipitation - EvapoTranspiration (en mm) | oui | calculé |
| abondance_feuillage | qualitative | B | Qualité | Abondance du feuillage (4 classes) | non | calculé |
| GDD | quantitative | B | Quantité | Degré-jour de croissance (en °C, avec T0 = 0°C) | oui | calculé |
| NDVI | quantitative | B | Quantité | Normalized Difference Vegetation Index | oui | calculé |
| ACP1_clim | quantitative | CA | Conditions climatiques | 1er axe d’une ACP sur les 10 variables climatiques (t10, t90, rain0, htNeigmean, nbJssdegel, nbJgel, nbJneb10, nbJneb90, wind10,wind90) | oui | calculé |
| ACP2_clim | quantitative | CA | Conditions climatiques | 2e axe d’une ACP sur les 10 variables climatiques (t10, t90, rain0, htNeigmean, nbJssdegel, nbJgel, nbJneb10, nbJneb90, wind10,wind90) | oui | calculé |
| t10 | quantitative | CA | Conditions climatiques | Moyenne mensuelle des températures journalières les plus froides (10%, en °C) | oui | calculé |
| t90 | quantitative | CA | Conditions climatiques | Moyenne mensuelle des températures journalières les plus chaudes (10%, en °C) | oui | calculé |
| rain0 | quantitative | CA | Conditions climatiques | Nombre de jours sans pluie dans le mois | oui | calculé |
| htNeigmean | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la hauteur de neige (en m) | oui | calculé |
| nbJssdegel | quantitative | CA | Conditions climatiques | Nombre de jours sans dégel (température maximale journalière inférieure ou égale à 0°C ) dans le mois | oui | calculé |
| nbJgel | quantitative | CA | Conditions climatiques | Nombre de jours avec gel (température minimale journalière supérieure -5°C) dans le mois | oui | calculé |
| nbJneb10 | quantitative | CA | Conditions climatiques | Nombre de jours avec une nébulosité faible | oui | calculé |
| nbJneb90 | quantitative | CA | Conditions climatiques | Nombre de jours avec une forte nébulosité (10%) | oui | calculé |
| wind10 | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la vitesse journalière des vent les plus forts (10%, en m.s-1) | oui | calculé |
| wind90 | quantitative | CA | Conditions climatiques | Moyenne mensuelle de la vitesse journalière des vent les plus faibles (10%, en m.s-1) | oui | calculé |
| presence_eau | qualitative | CA | Hydrologie | Présence d’eau libre | non | calculé |
| TWI_25m | quantitative | CA | Hydrologie | Topographic Wetness Index, quantifie le contrôle topographique sur les processus hydrologiques | non | calculé |
| pente_25m | quantitative | CA | Topographie | Pente (en °) | non | calculé |
| northing_25m | quantitative | CA | Topographie | Exposition, transformée par le cosinus | non | calculé |
| easting_25m | quantitative | CA | Topographie | Exposition, transformée par le sinus | non | calculé |
| LS_factor | quantitative | CA | Topographie | Facteur d’érosion LS, quantifie l’effet de la topographie sur l’érosion du sol | non | https://esdac.jrc.ec.europa.eu/content/ls-factor-slope-length-and-steepness-factor-eu |
| landform_25m | qualitative | CA | Topographie | Formes du relief (10 classes) | non | calculé |
| SWDmean | quantitative | CA | Topographie | Moyenne mensuelle du rayonnement moyen journalier (en W.m-²) | non | calculé |
| shannon_landform | quantitative | CA | Topographie | Indice de diversité de Shannon sur les formes de reliefs présents dans un pixel de 25m de côté | non | calculé |
| simpson_landform | quantitative | CA | Topographie | Indice de diversité de Simpson sur les formes de reliefs présents dans un pixel de 25m de côté | non | calculé |
| nb_distinct_landform | quantitative | CA | Topographie | Nombre de formes du relief présents dans un pixel de 25m de côté | non | calculé |
| temps_acces | quantitative | CS | Accessibilité | Temps d’accès au pixel, en marchant, en prenant en considération la pente et l’altitude (en h) | oui | calculé |
| distance_infrastructure | quantitative | CS | Empreinte anthropique | Distance euclidienne aux infrastructures humaines (en m) | non | calculé |
| distance_eau | quantitative | CS | Information visuelle | Distance euclidienne à de l’eau libre (en m) | non | calculé |
| visibilite_mediane | quantitative | CS | Information visuelle | Distance médiane visible depuis le pixel (en m) | non | calculé |
| distance_foret_IGN_cout_pente | quantitative | CS | Proximité couvert forestier | Distance à la forêt, en prenant en considération la pente (en m) | non | calculé |
| habitat_similaire_100m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 100m (en %) | non | calculé |
| habitat_similaire_250m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 250m (en %) | non | calculé |
| habitat_similaire_500m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 500m (en %) | non | calculé |
| habitat_similaire_1000m | quantitative | CS | Similarité d’attributs | Habitat similaire adjacent dans un rayon de 1km (en %) | non | calculé |
| taille_patch_habitat_m2 | quantitative | CS | Similarité d’attributs | Surface du patch d’habitat (en m²) | non | calculé |
| diffT | quantitative | D | Indice de changement climatique | Différence de moyenne mensuelle, sur 30 ans, de température journalière moyenne, entre 1959-1988 et 1989-2018 (en °C) | oui | calculé |
| presence_avalanche | qualitative | D | Régime de perturbation | Présence d’un couloir d’avalanche | non | calculé |
| pourcentage_infrastructures | quantitative | I | Artificialisation du sol | Surface de sol, d’un pixel de 25m de côté, contenant une infrastructure physique (en %) | non | calculé |
| degre_artif | qualitative | I | Artificialisation du sol | Degré d’aménagement du sol (en 4 classes) | non | calculé |
| degre_interdiction | qualitative | I | Protection réglementaire | Présence d’interdiction d’activités (en 3 classes) | non | calculé |
| ht_physio_max | quantitative | PV | Structure | Hauteur maximale de la végétation (en cm) | non | calculé |
| nb_strates | quantitative | PV | Structure | Nombre de strates de végétation (5 classes) | non | calculé |
| penetrabilite | quantitative | PV | Structure | Pénétrabilité de la strate basse (3 classes) | non | calculé |
Mai |
Juin |
Juillet |
Août |
Septembre |
|---|---|---|---|---|
|
|
|
|
|
Pourcentage de variance expliqué par les axes de l’ACP.
Pourcentage de contribution des variables pour l’axe 1 de l’ACP.
Pourcentage de contribution des variables pour l’axe 2 de l’ACP.
Pourcentage de contribution des variables pour l’axe 3 de l’ACP.
Distribution des pixels sur l’axe 1 et l’axe 2.
Distribution des variables sur l’axe 1 et l’axe 2.
Cartes issues des ACPs sur les axes des FAMD. Les 3 axes des ACP ont été transformés entre 0 et 255, pour être codés en RGB.